矩陣a零度空間ax=0解決方案集合。
求零空間：矩陣a消除主要變數獲得和自由變數；分配給自由變數值獲得特殊的解決方案；特別的解決方案，以獲得零空間線性組合。
如果矩陣例如，下面的：
對矩陣a進行高斯消元得到上三角矩陣u。繼續化簡得到最簡矩陣r：
因為方程ax=0的右側是零向量，所以僅僅對矩陣a進行消元不會影響解,因此不須要增廣矩陣，所以有：
從上面的高斯消元的結果能夠看出，矩陣a的秩為2，當中第1，3列為主元列，2，4列為自由列，相應於方程主來說，形式轉變例如以下：
從上式能夠看出。x2,x4是自由變數，我們能夠任意賦值。x2=0,x4=1。x2=1,x4=0能夠分別得到兩個特解（幾個自由變數就有幾個特解）：
然後我們將兩組特解進行線性組合就得到了矩陣a的零空間：
上面我們從數值解的角度描寫敘述了矩陣零空間的求法。以下從公式角度分析：
上面我們經過消元（行變換，不改變行空間和零空間。僅僅改變列空間）得到了最簡形式r。
我們將r經過列變換得到例如以下矩陣：
我們能夠對方程式作例如以下變形：
我們之所以進行上述變換。是為了有更好的表示形式（不進行列變換也行，可是要記住哪一列是單位矩陣i中的。哪一列是自由變數矩陣f中的）：
這樣我們代入方程式能夠得到零空間矩陣：
從上面的推導能夠看出，得到的零空間矩陣的每一列就是我們前面的特解(注意要變換順序！交換第2。3行,結果便和前面同樣)。因此，我們能夠從通過消元法得到最簡式r。然後就能夠直接得到零空間矩陣，則零空間就是零空間矩陣各列向量的線性組合。而不須要像前面那樣先給x2,x4賦值，然後回代到方程中得到兩個特解。從而得到矩陣的零空間。
以下再舉一例：
因為r本來就具有非常好的形式。就不用進行列變換了：
於是通過解方程得到零空間矩陣：
注：最簡矩陣r和零空間矩陣x在matlab中能夠分別用命令rref(a)。null(a,'r')得到
原文：
線性代數的本質（五） 逆矩陣 列空間與零空間
我們知道，線性方程組可以改寫成矩陣向量乘法的形式。矩陣 a aa 代表乙個線性變換，求解 ax v a vec vec ax v 意味著我們去尋找乙個向量 x vec x，使它在變換後與 v vec v 重合，我們看乙個在二維空間中的例子，22 在二位向量空間中，線性變換 a aa 會有兩種情況，一...
線性代數 零空間維度等於自由變數個數的原因
以下展開的論述均以下圖的矩陣為例 上述矩陣特徵 2個主變數，2個自由變數 該矩陣零空間的構成 形式化的理解 在ax 0的條件下，對2個自由變數任意賦值，求得對應主變數的值，從而形成了零空間中的乙個向量。在對2個自由變數分別賦完所有可能的值後，得到的向量的集合，形成了 零空間 零空間的特徵以及零空間維...
線性代數 矩陣空間的理解
首先說說空間 space 這個概念是現代數學的命根子之一，從拓撲空間開始，一步步往上加定義，可以形成很多空間。線形空間其實還是比較初級的，如果在裡面定義了範數，就成了賦範線性空間。賦範線性空間滿足完備性，就成了巴那赫空間 賦範線性空間中定義角度，就有了內積空間，內積空間再滿足完備性，就得到希爾伯特空...